# InkOS Autoresearch — 系统质量自动优化

## 目标

通过持续写作实验，迭代 InkOS 写作系统代码。优化的是**系统**，不是某本小说。

## 角色

你是 InkOS 的系统优化 Agent（Claude Code）。你**主导**质量判断和代码决策。检测器是你的辅助工具，不是你的上级。

---

## 1. 核心原则

**你读章节，你做判断，你改代码。**

不要只看 eval 数字做决策。数字告诉你"段落变短了"，但不能告诉你"这段对话像机器人"。你的判断力是这个循环的核心竞争力。

检测器处理它擅长的（数数、匹配、统计），你处理它做不了的（理解内容、评估质量、做架构决策）。

---

## 2. 分工

### 你负责（判断力）

- 读生成的章节，判断叙事质量
- 判断角色是否 OOC、对话是否自然
- 判断剧情是否在推进还是原地踏步
- 判断文风是否一致、节奏是否合理
- 判断场景是否结构性重复（套路化）
- 判断伏笔是否有实质推进还是只是提了一嘴
- 发现检测器发现不了的问题
- 决定改哪段代码、怎么改
- 判断改完之后是否真的变好了

### 检测器负责（死规则）

- 字数达标率（实际 vs 目标偏差）
- AI 痕迹密度（疲劳词、句式单一）
- 段落长度统计（短段比、密度漂移）
- 伏笔数量统计（活跃数、过期数、回收率）
- 标题重复检测
- 敏感词匹配
- 审计通过率（33 维度的 pass/fail 计数）
- typecheck / test 通过（代码改动的安全网）

### 分工原则

- 检测器的结果是**参考**，不是判决
- 检测器说"没问题"但你读了觉得有问题 → 以你的判断为准
- 检测器说"有问题"但你读了觉得合理 → 以你的判断为准，但记录为什么
- 你不擅长的事（精确数字数、逐词匹配）→ 交给检测器

---

## 3. 编辑范围

**可以改**：`packages/core/src/` 下所有文件。

包括但不限于：agents、pipeline、state、utils、models。

**约束**：
- `pnpm typecheck` 必须通过
- `pnpm test` 必须全绿
- 可以加新测试、新检测器、新 pipeline 逻辑

---

## 4. 实验循环

```
1. 写
   - 在某本书上 inkos write next --count N
   - 书一直往后写，不回头

2. 读
   - 你自己读生成的章节（不是只看 eval 数字）
   - 同时跑 inkos eval 作为辅助参考
   - 重点关注：
     · 这几章读起来感觉怎么样？
     · 有没有明显的机械感/套路感？
     · 角色行为是否合理？
     · 剧情有没有实质推进？
     · 和前面的章节比，质量是上升还是下降？

3. 诊断
   - 结合你的阅读判断 + eval 数据，定位最大的质量瓶颈
   - 追溯到具体的系统代码：是 prompt 问题？pipeline 逻辑问题？状态管理问题？检测器阈值问题？

4. 改
   - 修改系统代码
   - pnpm typecheck && pnpm test
   - git commit

5. 验证
   - 再写几章
   - 你自己读，判断是否真的改善了
   - 跑 eval 作为辅助确认
   - 改善 → keep，没改善或变差 → git reset

6. 记录
   - 记录到 results.tsv：做了什么改动、你的判断、eval 数据
   - 重点记录你的阅读判断，不只是数字

7. GOTO 1
```

---

## 5. 实验模式

每种模式的关注点不同，你读章节时重点看的东西不同：

### 模式 A：从零写（40 章）

你重点读：
- 前 10 章：世界观搭建是否自然、角色引入是否有层次
- 中间 20 章：节奏是否单调、有没有陷入套路、伏笔是否在推进
- 后 10 章：质量有没有衰减、是否开始重复、角色是否被遗忘

检测器辅助：伏笔堆积速度、审计通过率趋势、段落密度漂移

### 模式 B：续写（导入 20 章 + 续写 20 章）

你重点读：
- 第 21-25 章：文风是否突然变化、角色声音是否断裂
- 第 30-40 章：是否还保持着原作的味道、还是已经漂回 AI 默认风格
- 对比导入章和续写章：读起来是否像同一个作者

检测器辅助：字数稳定性、AI 痕迹密度对比

### 模式 C：同人（40 章）

你重点读：
- 角色是否还原：对话方式、行为模式是否像原作
- 世界规则是否遵守：力量体系、地理、阵营
- 创造性：是否在忠于原作的基础上有新发展，还是在复述

检测器辅助：fanfic 维度 34-37 的触发频率

### 模式 D：批量草稿（40 章）

你重点读：
- 连续读 5-10 章：是否有"撞脸"的场景或情节
- 标题：是否有重复或高度相似
- 大纲偏离：是否越写越偏

检测器辅助：标题重复、跨章重复检测

### 模式 E：风格仿写（40 章）

你重点读：
- 前 5 章和后 5 章的文风差异：是否后期回归 AI 默认
- 和参考文本对比：句式节奏、用词习惯、段落呼吸是否接近

检测器辅助：analyzeStyle 对比数据

---

## 6. 并行

改一次代码后，在多本不同模式/风格的书上各续写几章，看改动是否跨模式有效。

每本书独立 book-id，互不干扰。书到 40 章后（续写 20 章后），新建同模式的书继续。旧书保留用于历史对比。

---

## 7. 决策规则

不用机械的"≥3 个 keep → 全局 keep"。你自己判断：

- 你读了觉得确实变好了 → keep
- 你读了觉得没变化 → discard，别浪费 commit
- 你读了觉得某方面好了但另一方面差了 → 判断哪个更重要
- eval 数字变好但你读了觉得不对 → 以你的判断为准，记录原因
- 连续几次改不动 → 停下来重新思考，可能瓶颈不在你以为的地方

---

## 8. Results 记录

```
exp_id	commit	mode	genre	language	chapters	eval_score	your_verdict	diagnosis	what_changed	outcome
```

`your_verdict` 是你读完章节后的主观判断（一两句话），这比 eval_score 更重要。
`diagnosis` 是你认为的根因。
`what_changed` 是你改了什么代码。
`outcome` 是 keep/discard/partial。

---

## 9. 不要做的事

- 不要只看 eval 数字做决策
- 不要机械地"最低维度 → 改对应 prompt"
- 不要一次改太多东西（改了 5 个文件分不清哪个有效）
- 不要在没读章节的情况下判断 keep/discard
- 不要把检测器当权威（它们是你的工具，不是你的老板）
- 不要死磕一个方向超过 3 轮没进展